AI在远古细菌中发现杀灭“超级细菌”的新抗生素 | 了解LLM就能看懂

发布于 2025-8-26 07:07

浏览

0收藏

大家可能听说过（希望没有感受过）“超级细菌”感染的可怕。几年前，我的一个同事讲述其父亲在一个有淤泥的池塘里不小心划伤了腿，最终演变成了对多种抗生素都耐药的“超级细菌”感染。老人因此被送进ICU，与死神搏斗了数周，经历了巨大的煎熬，最终吉人天相。但那段经历的凶险，应该会让身边的人至今心有余悸。

这个故事，正是我们这个时代正面临的一场危机的缩影：抗生素耐药性。曾被视为医学奇迹的抗生素（如青霉素），正逐渐失效。寻找新武器的脚步从未停止，但传统上从细菌和真菌中寻找抗生素的“宝库”似乎已被反复挖掘，新发现越来越少。8月12日发表在顶级期刊《自然-微生物学》上的一篇论文《Deep learning reveals antibiotics in the archaeal proteome》，可能打开了一扇全新的大门，而打开这扇门的钥匙，正是人工智能（AI）。

AI在远古细菌中发现杀灭“超级细菌”的新抗生素 | 了解LLM就能看懂-AI.x社区

图：利用深度学习从古菌中发现抗生素。通过经公开及内部肽数据集训练的多任务深度学习模型，对古菌蛋白质中8-50个氨基酸残基的肽序列进行了抗菌活性预测。根据预测抗菌潜力排名前列的肽段经化学合成后，在体外实验和动物模型中对临床相关病原体进行了全面评估。

科学家发现了一个全新的抗生素家族

科学家们将目光投向了一个长期被忽视的生命领域：古菌（Archaea）。古菌是地球上最古老的生命形式之一，常常生活在火山、深海热泉、盐湖等极端环境中。它们独特的生存方式，让科学家们猜想，其体内是否也隐藏着独特的防御武器？

这项研究给出了肯定的答案。通过一种强大的AI工具，研究团队从数百种古菌的蛋白质中，识别并验证了一类全新的抗菌分子。他们将这类分子命名为 “Archaeasins”（古菌素）。

这些新发现的“古菌素”令人无比兴奋。实验室测试表明，它们对多种当前临床上最棘手的耐药菌都表现出强大的杀菌活性，比如耐甲氧西林金黄色葡萄球菌（MRSA）、铜绿假单胞菌和鲍曼不动杆菌。更重要的是，在小鼠感染模型中，其中一种名为 Archaeasin-73 的分子，展现出了与现有强效抗生素（如多粘菌素B）相媲美的治疗效果，同时对人体细胞的毒性却很低。这意味着，“古菌素”不仅强效，还可能比现有的一些药物更安全，极具成为新一代抗生素的潜力。

这项发现的意义

我认为这项工作的意义很大。它不仅发现了几种新的候选药物，更开辟了一个前所未有的药物发现新大陆。古菌作为一个庞大的生命王国，过去几乎从未被系统性地探索用于抗生素开发。这项研究证明，这里是一座巨大的、有待开采的金矿。

此外，研究还发现，将不同的“古菌素”组合使用时，它们的杀菌效果会变得更强。这种“协同效应”策略，有望成为对抗细菌耐药性发展的一种有效手段。我们不仅找到了新“子弹”，还找到了让“子弹”威力倍增的方法。

AI 如何完成这项任务的

那么，这篇论文是如何从古菌浩如烟海的蛋白质信息中，如此精准地找到这些“宝藏分子”的呢？答案就是深度学习，而其工作原理，对于熟悉大语言模型（LLM）的读者来说会非常容易理解。

我们可以将这项任务与LLM的工作方式进行类比。一个像Qwen3/DeepSeek这样的LLM，是通过学习海量的文本数据，来掌握人类语言的语法、结构和内在逻辑，从而能够生成连贯、有意义的句子。它学会的不是死记硬背，而是语言里蕴含的“概念体系和内在逻辑”。

AI在远古细菌中发现杀灭“超级细菌”的新抗生素 | 了解LLM就能看懂-AI.x社区

图：一种蛋白质的空间结构和氨基酸序列

"MAVWLQAGALLVLLVVSSVSTNPGTPQHLCGSHLVDALYLVCGPTGFFYNPKRDVEPLLGFLPPKSAQETEVADFAFKDHAELIRKRGIVEQCCHKPCSIFELQNYCN"

研究团队开发的 APEX 1.1 模型，就可以被看作是一个专攻“生物化学语言”的LLM。它的任务不是理解英语或中文，而是理解决定一个蛋白质片段（多肽）是否具有抗菌活性的“内在逻辑”。

学习与训练：首先，研究人员用数万个已知的、具有抗菌活性的多肽序列（就是氨基酸序列，如上面动图展示的胰岛素氨基酸序列）来训练这个AI模型。这些序列由不同的氨基酸（可以看作是几十个不同的“字母”）组成。APEX 1.1通过分析这些正样本（有效的抗菌肽）和负样本（无效的肽），学习这种“生化语言”的语法：哪些“字母”（氨基酸）的组合是强效的“单词”？这些“单词”如何排列成具有杀菌功能的“句子”（多肽序列）？什么样的“句子结构”（三维空间构象）能最有效地摧毁细菌的细胞膜？
挖掘与预测：在掌握了这套复杂的“内在逻辑”后，研究人员将233种古菌的全部蛋白质数据“输入”给APEX 1.1。AI高速地扫描了这些对人类来说无比庞大的数据集，并从中精准地预测出了 12,623个它认为“文法正确”且“语义强大”（即具有高抗菌潜力）的候选“句子”。
实验验证（最震撼的部分）：AI的预测到底准不准？研究团队从这上万个候选中，挑选并合成了80个“古菌素”分子进行实验室测试。结果令人震惊：在这80个分子中，高达93%（即74个）都显示出了不同程度的抗菌活性！

这是一个惊人的命中率。在传统的药物发现流程中，筛选的命中率通常远低于1%。如此高的准确性，强有力地证明了AI不仅仅是在进行模式匹配，而是真正“理解”了抗菌分子的底层生物学逻辑。